Temperature（采样温度） 核心概念
别名：
温度
采样参数，控制输出的随机性：缩放模型对下一个词的概率分布。温度低 → 分布变「尖」，输出稳定保守；温度高 → 分布变「平」，输出多样发散。与 `top_p` 二选一调整；需要确定性时用低温度 + `seed`。
它是什么
Temperature（采样温度）控制输出的随机性：模型生成下一个词时会为候选词表算一个概率分布，temperature 缩放这个分布——低温度让分布变「尖」，几乎总选概率最高的词，输出稳定保守；高温度让分布变「平」，容易选到没那么顺理成章的词，输出多样发散。直觉记忆法：temperature 管「发不发热」，top_p 管「候选池多大」。
为什么「temperature=0.1 还是不一样」
采样本身是随机的，低温度只是大概率选高概率词，不是绝对确定；需要确定性时用低温度 + seed（尽力而为，不是绝对确定性）。temperature=0 通常是「确定性」的实用近似，但不等于数学上的确定。
注意点
官方建议与 top_p 二选一调整，不要同时大幅修改；temperature 不改变语义，只改变同一语义的措辞多样性。第 02 章用 mock server 做了低/高温的对比实验，真实模型上低温的两次输出几乎一样、高温的两次差别明显。